پیشرفت چشمگیر هوش مصنوعی در ۲۰۲۴؛ ظهور AGI در افق دید
سال ۲۰۲۴، سال درخشانی برای هوش مصنوعی بود. این فناوری پیشرو جوایز متعددی کسب کرد، سرمایهگذاران را به خود جذب کرد، وال استریت را مجذوب خود ساخت و نشان داد که میتواند به صورت ریاضی استدلال کند - حتی معادلات دیفرانسیل را توضیح دهد. در اینجا به ۱۰ مورد از برجستهترین دستاوردهای هوش مصنوعی در سال ۲۰۲۴ اشاره میکنیم.
تولید محتوای هوش مصنوعی در مرکز توجه
هوش مصنوعی مولد (GenAI)، زیرمجموعهای از هوش مصنوعی که قادر به ایجاد محتوا از دادههای آموزشی خود است، در سال ۲۰۲۴ به مرکز توجه تبدیل شد. این فقط ChatGPT، چتبات مبتنی بر هوش مصنوعی OpenAI، نبود که درخشید. Gemini گوگل، Copilot مایکروسافت، Claude شرکت Anthropic و سری Llama 3 متا نیز در توسعه نرمافزارهایی که میتوانند نه تنها متن، بلکه صدا، ویدئو و تصاویر را بخوانند و تولید کنند، نقش داشتند.
آزمایشگاههای هوش مصنوعی برای پیشبرد این دستاوردها هزینههای زیادی صرف کردند. طبق گزارش Menlo Ventures، هزینههای هوش مصنوعی در سال ۲۰۲۴ به ۱۳.۸ میلیارد دلار افزایش یافت که بیش از شش برابر مبلغ هزینه شده در سال ۲۰۲۳ بود. این نشاندهنده آن است که شرکتها از مرحله آزمایش به مرحله اجرا منتقل شدهاند و هوش مصنوعی را در مرکز استراتژیهای کسبوکار خود قرار دادهاند.
جوایز نوبل برای پیشگامان هوش مصنوعی
در اکتبر، زمانی که آکادمی سلطنتی علوم سوئد جوایز نوبل ۲۰۲۴ را اعلام کرد، شواهد بیشتری از ماندگاری هوش مصنوعی ارائه شد. جفری هینتون و جان هاپفیلد جایزه نوبل فیزیک را "به خاطر کشفیات و اختراعات بنیادی که یادگیری ماشین با شبکههای عصبی مصنوعی را ممکن ساخت" دریافت کردند. شبکههای عصبی یکی از فناوریهای اصلی در هوش مصنوعی امروزی هستند. در جای دیگر، دمیس هسابیس - یکی از بنیانگذاران و مدیرعامل Google DeepMind - و جان جامپر به خاطر توسعه مدلی از هوش مصنوعی که میتواند ساختارهای پیچیده پروتئینها را پیشبینی کند، با جایزه نوبل شیمی مورد تقدیر قرار گرفتند.
صعود انویدیا به ارزشمندترین شرکت جهان
برای آموزش و اجرای مدلهای زبانی بزرگ (LLM) که در سال ۲۰۲۴ بسیار برجسته بودند، به نوع خاصی از تراشههای کامپیوتری نیاز است و شرکت انویدیا بیش از هر شرکت دیگری این واحدهای پردازش گرافیکی خاص (GPU) را تولید کرد. بنابراین جای تعجب نیست که انویدیا در سال ۲۰۲۴ به ارزشمندترین شرکت جهان تبدیل شد و در اواخر اکتبر با ۳.۵۳ تریلیون دلار ارزش بازار از اپل (۳.۵۲ تریلیون دلار) پیشی گرفت. راس مولد، مدیر سرمایهگذاری در AJ Bell، اظهار داشت: "شرکتهای بیشتری اکنون هوش مصنوعی را در وظایف روزمره خود به کار میگیرند و تقاضا برای تراشههای انویدیا همچنان قوی است."
آیا انویدیا میتواند سلطه تولیدی خود را در سال ۲۰۲۵ و پس از آن حفظ کند؟ GPUهای Blackwell انویدیا که به طور گسترده مورد انتظار بودند و قرار بود در سهماهه چهارم عرضه شوند، به دلیل نقصهای طراحی به تأخیر افتادند، اما با توجه به پیشتازی عظیم انویدیا در تولید GPUها - که ۹۸٪ از بازار را در سال ۲۰۲۳ کنترل میکرد - بعید است که به این زودیها از میدان به در شود.
گامهای اولیه در تنظیم مقررات هوش مصنوعی
همه خواهان هوش مصنوعی ایمن، مطمئن و مفید برای جامعه هستند، اما تصویب قوانین و اجرای مقررات برای اطمینان از هوش مصنوعی مسئولانه کار آسانی نیست. با این حال، در سال ۲۰۲۴، مقامات نظارتی جهانی گامهای اولیهای برداشتند. قانون هوش مصنوعی اتحادیه اروپا در آگوست به اجرا درآمد و تدابیری حفاظتی برای سیستمهای هوش مصنوعی عمومی معرفی کرد و به برخی نگرانیهای حریم خصوصی پرداخت. این قانون مقررات سختگیرانهای برای استفاده از هوش مصنوعی در تشخیص چهره تعیین میکند، اما همچنین به خطرات گستردهتری مانند خودکارسازی مشاغل، انتشار اطلاعات نادرست آنلاین و به خطر انداختن امنیت ملی میپردازد. اجرای این قانون به صورت مرحلهای تا سال ۲۰۲۷ انجام خواهد شد.
با این حال، تنظیم مقررات هوش مصنوعی آسان نخواهد بود، همانطور که کالیفرنیا در سال ۲۰۲۴ با قانون پیشنهادی SB 1047 که توسط فرماندار ایالت در سپتامبر وتو شد، متوجه شد. این قانون که به عنوان "گستردهترین تلاش تاکنون برای تنظیم هوش مصنوعی" توصیف شده بود، از سوی برخی حامیان هوش مصنوعی مانند جفری هینتون و ایلان ماسک حمایت شد که استدلال میکردند این قانون برای این فناوری به سرعت در حال تحول، چارچوبهای ضروری را فراهم میکند. اما همچنین از سوی سایر فناوران مانند اندرو نگ، بنیانگذار DeepLearning.AI، به دلیل اینکه مسئولیت را بر توسعهدهندگان هوش مصنوعی تحمیل میکرد و میتوانست نوآوری را سرکوب کند، مورد انتقاد قرار گرفت.
ظهور مدلهای زبانی کوچک
مدلهای هوش مصنوعی بسیار بزرگ که بر روی میلیاردها داده آموزش دیدهاند، در سال ۲۰۲۴ به امری عادی تبدیل شدند. به عنوان مثال، ChatGPT بر روی ۵۷۰ گیگابایت داده متنی که از اینترنت جمعآوری شده بود - حدود ۳۰۰ میلیارد کلمه - آموزش دیده بود. اما برای بسیاری از شرکتها، آینده هوش مصنوعی در مدلهای زبانی کوچکتر و خاص صنعت نهفته است که برخی از آنها در سال ۲۰۲۴ ظاهر شدند. در آوریل، مایکروسافت مدلهای زبانی کوچک Phi-3 خود را معرفی کرد، در حالی که اپل هشت مدل زبانی کوچک برای دستگاههای دستی خود ارائه داد. مایکروسافت و آکادمی خان اکنون از این مدلها برای بهبود آموزش ریاضی برای دانشآموزان استفاده میکنند.
یورک رودز، مدیر تحول دیجیتال، بلاکچین و زنجیره تأمین ابری مایکروسافت، در یک کنفرانس در ماه مه توضیح داد: "محاسبات بیشتری در لبه شبکه در دسترس است زیرا مدلها برای وظایف خاص کوچکتر میشوند و شما واقعاً میتوانید از آن بهره بیشتری ببرید." این مدلها به دادههای آموزشی و قدرت محاسباتی کمتری برای توسعه و اجرا نیاز دارند و قابلیتهای آنها "واقعاً در حال نزدیک شدن به برخی از مدلهای زبانی بزرگ است."
ظهور عوامل هوش مصنوعی
چتباتهایی مانند ChatGPT در مورد پرسش و پاسخ در موضوعات گسترده تخصص دارند - اگرچه میتوانند کد نرمافزار بنویسند، ایمیلها را پیشنویس کنند، گزارشها را تولید کنند و حتی شعر بنویسند. اما عوامل هوش مصنوعی یک گام فراتر از چتباتها هستند و میتوانند در واقع برای کاربران تصمیمگیری کنند و به آنها در دستیابی به اهداف خاص کمک کنند. در صنعت مراقبتهای بهداشتی، یک عامل هوش مصنوعی میتواند برای نظارت بر دادههای بیمار استفاده شود و در صورت لزوم توصیههایی برای اصلاح یک درمان خاص ارائه دهد.
به آینده نگاه کنیم، شرکت مشاوره فناوری گارتنر، هوش مصنوعی عاملمحور را به عنوان یکی از "روندهای برتر فناوری استراتژیک برای ۲۰۲۵" نام برده است. در واقع، تا سال ۲۰۲۸، یک سوم از برنامههای نرمافزاری سازمانی شامل هوش مصنوعی عاملمحور خواهند بود، در حالی که این رقم در سال ۲۰۲۴ کمتر از ۱٪ بود. عوامل هوش مصنوعی حتی میتوانند برای نوشتن قراردادهای هوشمند مبتنی بر بلاکچین استفاده شوند (از نظر فنی آنها در حال حاضر میتوانند این کار را انجام دهند، اما خطرات یک خطای برنامهنویسی و از دست دادن وجوه در حال حاضر بسیار زیاد است). پروژه بلاکچینی Avalanche قبلاً ساخت یک ماشین مجازی جدید در تقاطع هوش مصنوعی و بلاکچینها را برای انجام این کار به زبان طبیعی آغاز کرده است. امین گون سیرر، بنیانگذار Ava Labs، گفت: "شما برنامههای [قرارداد هوشمند] خود را به زبان انگلیسی، آلمانی، فرانسوی، تاگالوگ، چینی [...] زبانی که مادرتان به شما آموخته است، مینویسید." برنامهنویسی قراردادهای هوشمند در حال حاضر واقعاً دشوار است، بنابراین یک عامل هوش مصنوعی کاربرپسند میتواند به طور بالقوه "میلیاردها کاربر جدید [بلاکچین] را جذب کند."
پیشرفت در حل مسائل پیچیده
چتباتها محدودیتهای دیگری نیز دارند. آنها میتوانند در حل مسائل ساده ریاضی و وظایف کدنویسی نرمافزار دچار مشکل شوند. آنها در پاسخ به سوالات علمی نیز عالی نیستند. OpenAI در سپتامبر با انتشار OpenAI o1، یک سری جدید از مدلهای استدلال "برای حل مسائل دشوار"، مانند معادلات دیفرانسیل، سعی کرد این مشکلات را برطرف کند. واکنشها عمدتاً مثبت بود. کوین روس، ستوننویس نیویورک تایمز، توییت کرد: "بالاخره، یک مدل هوش مصنوعی که قادر به مدیریت تمام مسائل پیچیده علمی، کدنویسی و ریاضی است که من همیشه به آن میدهم." در آزمونها، o1 به عنوان مثال، به اندازه ۵۰۰ دانشآموز برتر در یک مسابقه مقدماتی برای المپیاد ریاضی ایالات متحده عمل کرد و در یک معیار از مسائل فیزیک، زیستشناسی و شیمی از دقت در سطح دکترا پیشی گرفت.
چرا پیشرفت در حل مسائل ساختاریافته، همانطور که در بالا توضیح داده شد، مهم است؟ آنها هوش مصنوعی را به تدریج به ارائه هوش شبیه انسان، یعنی هوش مصنوعی عمومی (AGI) نزدیکتر میکنند. مدلهای o3 OpenAI که درست قبل از کریسمس منتشر شدند، حتی بهتر از o1 عمل کردند، به ویژه در آزمونهای ریاضی و کدنویسی، در حالی که پروژههای دیگر مانند Gemini 2.0 گوگل نیز در سال ۲۰۲۴ در حل مسائل ساختاریافته - یعنی تجزیه وظایف پیچیده به مراحل قابل مدیریت - پیشرفت کردند. با این حال، AGI همچنان از دید بسیاری از کارشناسان هدفی دور باقی مانده است. مدلهای پیشرفته امروزی هنوز فاقد درک شهودی از مفاهیم فیزیکی مانند جاذبه یا علیت هستند. الگوریتمهای هوش مصنوعی فعلی نمیتوانند به تنهایی سوالاتی را مطرح کنند یا یاد بگیرند که اگر و زمانی که سناریوها به طور غیرمنتظره تغییر کنند، چه کاری انجام دهند.
به طور کلی، "AGI یک سفر است، نه یک مقصد - و ما فقط در آغاز راه هستیم،" برایان هاپکینز، معاون فناوریهای نوظهور در شرکت مشاوره Forrester، اخیراً اعلام کرد. بدون شک، سال ۲۰۲۴ برای توسعهدهندگان و کاربران هوش مصنوعی سال هیجانانگیزی بود و تعداد کمی انتظار دارند که نوآوری در هوش مصنوعی به این زودیها کاهش یابد. اما همچنین در سال ۲۰۲۴ نشانههایی وجود داشت که ممکن است دوران مدلهای زبانی بزرگ هوش مصنوعی به اوج خود رسیده باشد.
کمبود داده در افق
دلیل این امر کمبود دادههای در حال ظهور است. شرکتهایی مانند OpenAI و گوگل ممکن است به زودی با کمبود داده، که شریان حیاتی هوش مصنوعی برای "آموزش" سیستمهای عظیم هوش مصنوعی است، مواجه شوند. به هر حال، تنها مقدار محدودی داده میتوان از اینترنت جمعآوری کرد. علاوه بر این، توسعهدهندگان مدلهای زبانی بزرگ متوجه شدهاند که نمیتوانند همیشه دادههای در دسترس عموم را بدون مشکل جمعآوری کنند. به عنوان مثال، نیویورک تایمز از OpenAI به دلیل نقض حق چاپ در مورد محتوای خبری خود شکایت کرده است. بعید است که این تنها سازمان خبری بزرگی باشد که به دنبال جبران خسارت از طریق دادگاهها باشد. دمیس هسابیس از گوگل گفت: "همه در صنعت شاهد کاهش بازده هستند."
یکی از راهحلها ممکن است آموزش الگوریتمها با استفاده از دادههای مصنوعی - دادههای تولید شده به صورت مصنوعی که دادههای دنیای واقعی را تقلید میکنند - باشد. به عنوان مثال، مدل زبانی Claude 3 شرکت Anthropic حداقل تا حدی بر روی دادههای مصنوعی - یعنی "دادههایی که ما به صورت داخلی تولید میکنیم" - آموزش دیده بود. اگرچه اصطلاح "دادههای مصنوعی" ممکن است متناقض به نظر برسد، دانشمندان، از جمله برخی کارشناسان پزشکی، میگویند که ایجاد دادههای جدید از ابتدا امیدوارکننده است. این میتواند با تکمیل مجموعه دادههای ناقص از هوش مصنوعی پزشکی پشتیبانی کند، به عنوان مثال، که میتواند به حذف تعصب علیه گروههای قومی خاص کمک کند.
جالب اینجاست که Anthropic در مقاله مرجع فوق به تفصیل توضیح میدهد که چگونه دادههای آموزشی خود را به دست میآورد. به ویژه، این شرکت سیستم خزیدن وبسایت خود را "به صورت شفاف" اداره میکند، به این معنی که ارائهدهندگان محتوای وبسایت - مانند نیویورک تایمز، احتمالاً - "میتوانند به راحتی بازدیدهای Anthropic را شناسایی کرده و ترجیحات خود را به Anthropic اعلام کنند." این شرکت تلاشهای زیادی برای جلوگیری از سوءاستفاده از فناوری خود انجام داده و حتی یک مدیر مقیاسگذاری مسئول ایجاد کرده است که دامنه آن در سال ۲۰۲۴ برای ایجاد یک هوش مصنوعی "ایمن" گسترش یافت. تلاشهای این شرکت بینتیجه نماند. مجله تایم آن را به عنوان یکی از ۱۰۰ شرکت تأثیرگذار در سال ۲۰۲۴ معرفی کرد و آن را به عنوان "شرکتی که شرط میبندد ایمنی میتواند یک استراتژی برنده باشد" ستود.